溫室智能控制系統發展現狀及展望

關鍵詞：設施農業；溫室；智能化；智能控制系統

0引言

與露地生產相比，溫室具有內部環境可調節的特點，能夠為作物帶來更適宜的環境，是高產、高效和優質的農業生產方式。隨著溫室結構的不斷改進、栽培技術的不斷優化，以及對農產品產量、品質、效益要求的不斷提升，溫室環境控制模式逐步從半自動化向智能化轉變。本文主要總結設施農業的發展、溫室環境控制系統發展和國內溫室控制研究現狀，提出我國溫室智能控制研究存在的問題與展望。

1設施農業發展概述

20世紀30年代，我國首先出現了具有中國特色的日光溫室雛形。20世紀50年代，荷蘭首次出現VENLO溫室。20世紀60年代末，鋼結構桁架體系與鋁合金屋面骨架鑲嵌玻璃屋面的結構得到應用，進一步降低溫室骨架對陽光的遮擋。20世紀70年代，無土栽培技術的推廣應用提升了溫室生產效率及栽培的工藝水平，并將自動化、機械化引入了溫室生產。20世紀80年代初，可移動式保溫幕的應用大幅減少了溫室夜間熱量的損失，為作物越冬生產提供了可能。20世紀90年代以來，荷蘭溫室產業穩步發展，溫室相關技術的研究開發逐漸成熟。

進入21世紀，荷蘭VENLO型溫室逐漸向集約化、規模化的方向發展。2007年已經有種植企業建造了大型連棟玻璃溫室并成功運營。在接下來的10余年，又逐漸有多家企業更新建造規模超過10hm2的玻璃溫室取代小規模溫室，設施農業開始向生產高效、單位成本低、機械化利用率高和自動化程度高的超大型化方向發展。

2溫室智能控制系統發展概述

20世紀70年代之前，溫室設施環境控制處于手動控制階段，這個階段十分依賴管理者的種植經驗，因此調控效果并不理想，存在低效、局限性大、人為偏差大、精度低、無法平衡高產與節能及無法管理大面積生產等諸多缺陷。

20世紀70年代，溫室控制技術在西方國家首先得到應用，使用模擬儀表，利用現場采集技術，根據采集數據直接對溫室環境進行調節，控制粗放，精度和均勻度都不高，但卻極大地解放了生產力，讓大規模生產管理成為了可能。

隨著研究的深入和控制手段的升級，20世紀80年代，計算機控制技術被應用于溫室控制技術，應用最廣泛的是PID控制，這種控制方式忽略了溫室環境的非線性、耦合性和干擾性，對單一影響因子進行調控，所以精準度依然不夠，但相比之前已經是跨時代的進步，節約了勞動力成本，以此為基礎，基本穩定了溫室環境，提高了作物質量和產量，已經完全可以應用于大規模生產[1]。

到20世紀末，隨著作物基礎研究及種植工藝的不斷完善，溫室調控已經不局限于單環境因子調控，而是傾向于綜合調控，溫室智能控制系統開始迅猛發展，軟硬件默契配合，溫室環境穩定，使生產對環境要求苛刻的高端作物成為可能[2-3]。

進入21世紀，種植理論和控制技術均發展到較高水平，隨著對用于溫室環境控制體系模型的研究，科研人員將溫室物理模型和作物模型相結合，充分考慮作物與環境相互作用的機制及環境動態響應與作物動態響應的時間尺度偏差，解決溫室環境調控滯后的問題，削減超調與振蕩，實現自適應控制，同時采用云計算與邊緣計算等技術實現溫室控制算法及策略的共享和智能優化。

3國內溫室智能控制相關研究現狀

隨著溫室種植標準化、規模化的不斷發展，溫室智能控制系統得到廣泛的應用。溫室智能控制系統一般由感知層、網絡層、平臺層和應用層構成，感知層主要為溫、光、水、氣和肥等的傳感技術，網絡層主要為數據通信技術，平臺層主要為控制技術策略，應用層主要為執行設備。由于溫室內感知層和應用層的設備類別變化并不大，故本文主要分析網絡層通信技術與平臺層控制技術的研究現狀。

3.1通信技術

隨著科技的不斷進步，現代通信技術迅速滲透到農業物聯領域。隨著技術發展及管理者對溫室環境信息采集的準確性、快捷性和安全性要求的提高，適宜的通信技術被廣泛應用，按照通信傳輸介質的不同，可以分為有線和無線兩種通信方式[4]。

3.1.1有線通信技術

有線通信技術依靠電纜或者光纜等實體介質傳送信息，具有可靠性高、抗干擾能力強的特點，適宜用于溫室內作為穩定的傳輸方式。目前主要的有線通信方式有RS232/485、現場總線技術、局域網和電力傳輸技術等。

葉盛等[5]在溫室環境微機測控系統的基礎上開發數據采集及測控系統，用電話線連接DTMF收發模塊，實現了穩定數據傳輸。杜尚豐等[6]基于CAN總線構建分布式結構的控制模式，降低了成本并推進行業標準化。秦琳琳等[7]基于Android系統開發溫室設備的狀態監控模塊，采用CAN總線實現對環境數據的實時采集，進而對溫室設備進行實時調控。

溫室內的環境濕度大、頂層溫度高和溫室內陽光直射等不利環境極易導致線纜老化、絕緣層破壞，并且隨著控制邏輯的逐漸成熟，傳感器類別及應用的增加導致室內布線量大增，更容易發生可靠性降低的情況。目前溫室內仍然以有線通信技術為主，但是也出現了無線網絡應用的相關案例。

3.1.2無線通信技術

無線通信技術的傳輸介質無形，如通過電磁波進行傳遞。無線通信組網靈活、無須布線，能在溫室內較惡劣的環境下應用。目前主流的無線通信技術有藍牙技術、ZigBee技術、Wifi技術、RFID技術和IrDA技術等。柳桂國等[8]通過EricssonROK101007藍牙模塊及藍牙微網，靈活便捷地實現了溫室內環境的檢測與控制。王嘉寧等[9]基于無線傳感器網絡（WSN）進行溫室監測系統設計。韓華峰等[10]基于ZigBee協議的傳感器節點技術組成現場監控無線傳感器網絡，通過網絡匯聚節點與無線移動網絡（GPRS/CDMA）和INTERNET進行連接。楊瑋等[11]以無線生理生態監測節點、ZigBee溫室無線智能控制終端等組建了無線傳感網絡。郭文川等[12]采用ZigBee技術實現無線傳感器網絡自組網和監測數據自動匯聚，基于ARM9微處理器S3C2410A和WinCE5.0構建網關節點，采用嵌入式數據庫管理模式。上述技術均實現了對溫室環境數據的采集、傳感節點管理和環境數據管理，對執行設備完成了調控，有效解決了有線網絡布線復雜、節點固定的缺點。為解決網關的多進程調度數據堵塞，侯琛等[13]設計了多進程調度算法，通過合理地控制每個進程的執行順序和執行時間片來降低數據阻塞度。

盡管無線技術具有組網靈活免布線的優點，但因為安全性較低、延遲較高，實際應用于溫室內的短距離通信，仍然無法替代有線技術。

3.2控制技術

決策層是溫室環境控制系統的核心，優秀可靠的算法是溫室內環境穩定與否的關鍵所在，目前應用于溫室環境調控的算法主要有模糊控制、模型預測控制、多目標優化控制、遺傳算法和神經網絡控制等。

3.2.1模糊控制

溫室是復雜的系統，室內環境具有非線性、干擾性大、變化性強和機理復雜等特點，無法建立精確的模型進行計算，采用傳統的控制理論及方法難以實現溫室內適宜、穩定氣候環境的操控，因此引入模糊控制理論構建閉環的數字控制模型對溫室環控具有重要的意義。

馬明建等[14]針對溫室環境控制的特點，提出采用直接推理進行軟件在線規則推理的多變量模糊控制器解耦結構。楊衛中等[15]建立了以超調量、發散度、振蕩度、穩態誤差和過渡過程時間等指標作為輸入的比例因子模糊整定算法。李秀華[16]提出將傳統模糊控制系統分解為控制器和模糊推理器兩部分，可以提高控制精度。胥芳等[17]、葛建坤等[18]在根據物質和能量平衡原理構建溫室溫度數字模型基礎上，建立溫室溫度模糊專家控制系統的MATLAB仿真模型。韋玉翡等[19]更是將專家系統融入到模糊控制中，彌補了專家系統和模糊控制各自的不足，提高了系統的智能化。

3.2.2模型預測控制

隨著計算機技術、流體湍流模型的快速發展，計算流體動力學（CFD）方法逐漸成為研究設施園藝室內外微環境分布的有力工具，并且已經被證實模擬結果具有良好的吻合性。

程秀花等[20]在充分考慮太陽輻射影響和室內水蒸氣傳輸過程基礎上，構建求解溫室環境一作物濕熱系統的CFD數學模型，并對邊界條件的設置進行了探討。周偉等[21]以溫室內溫度場為研究對象，提出了基于計算流體動力學非穩態模擬模型的預測控制方法，能夠較為精確地預測并反映溫室內溫度變化的實際規律。

3.2.3多目標優化控制

對于溫室來說，僅用單一影響因子作為氣候參數調節的判斷標準有一定的局限性，需要綜合考慮多環境影響因子之間的連鎖反應，還要綜合考慮系統快速、穩定、準確之間相互制約的關系，因此多目標優化算法也成為了比較主流的溫室環控計算方法。

王立舒等[22]以Matlab/Simulink為仿真環境，證明了多目標進化算法優化的PID控制方法的有效性。李康吉等[23]考慮溫室環境的時空變異特性，構建溫室計算流體力學（CFD）模型，結合帶精英策略的非支配遺傳算法（NSGA-Ⅱ），建立C++和Fluent聯合優化框架，實現溫室環境因子高效的多目標優化。

3.2.4其他控制方式

除了上述的幾種主要控制理論及方法外，還出現了很多切實有效的思路，能夠在一定程度上解決溫室環境控制的實際問題。

張榮標等[24]針對溫濕度的強耦合特性，提出了一種基于動態矩陣控制算法的自適應解耦方法，有效克服了模型嚴重失配對控制精度的影響。王紀章等[25]利用模型預測和專家系統的推理功能，以溫室最大的凈收益為目標，建立了溫室環境調控決策支持系統，解決了環控成本高、產量和經濟效果差的問題。

孫耀杰等[26]為應對復雜多變的溫室環境，提出了基于寬一深神經網絡（wide-deep neural network，WDNN）的兩級溫室環境數據融合算法，利用溫室內多點多特征數據訓練WDNN深度學習模型，輸出多點單特征數據，按照少數服從多數原則融合，從而得出溫室環境狀態的整體評估結果。唐衛東等[27]依據作物發育動態理論模型建立植株一環境的信息響應模型和信息反饋模型，再從植株生長的系統變化過程對相關模型進行耦合，能夠較好地實現對植物發育的預測。

陳教料等[28]采用自加速遺傳粒子群算法對溫室物理模型中難以確定的參數進行辨識，建立能耗預測模型，根據氣象數據和測量的能耗值，分別采用遺傳算法、粒子群算法和SPSO-GA進行參數辨識與能耗預測比較分析，為溫室能量負荷設計、管控提供理論依據。陳俐均等[29]提出利用連續一離散遞推預測誤差算法，對非線性模型參數和狀態的預測值與實測值的偏差進行補償，提高模型的自適應性和精確性。

晉春等[30]針對溫室環境混合整數變量優化控制問題，提出一種帶有工程經驗規則的改進遺傳算法（IGA）并進行有效、實用求解，獲得更優的性能指標和控制品質。

任延昭等[31]將物聯網、微信平臺和云服務等相結合，設計了基于微信平臺的溫室氣候監測與預測系統，實現了數據采集端的輕量化與可移動性。

3.3拓展

隨著溫室種植規模化、標準化進程發展，溫室智能控制系統已經不僅僅局限于溫室內環境的自動調控，而是應用于全流程的整體管控，涵蓋了種、管、收的全套應用，農業機器人代替人工成為現代農業發展的重要趨勢。在種植方面，播種機、智能物流苗床等的應用，基本滿足了自動化的需求，在機械采收方面，也不斷出現新的計算方式，不斷在現有基礎上進行優化。

袁挺等[32]研究了基于近紅外圖像的黃瓜果實識別及特征獲取方法，實現了機器人采摘作業中果實品質判別和空間定位。龍潔花等[33]提出了一種改進Mask R-CNN的溫室環境下不同成熟度番茄果實分割方法，采用跨階段局部網絡（CSPNet）與Mask R-CNN網絡中的殘差網絡（ResNet）進行融合，通過跨階段拆分與級聯策略，減少反向傳播過程中重復的特征信息，降低網絡計算量的同時提高準確率。王瑾等[34]提出了一種將AdaBoost分類器和顏色特征分類器相結合用于番茄采摘機器人的目標識別方法，解決采摘機器人在復雜工作環境中效率低下的問題。

4結束語

智能環境控制系統具有諸多優點，能夠使用專家思維進行計算，可以預測溫室環境的變化并提前進行調控，能夠控制各類設備協同調節從而減少超調和振蕩，能夠根據種植作物的生長階段、環境狀態實現自適應控制[35]。

在高度發達的工業進程影響下，溫室產業也廣泛應用現代化的工業技術，逐漸把溫室農業升級為工廠化農業。隨著種植工藝的完善、對產品質量期望的提升、人工管理成本的上升等，溫室智能控制系統逐漸被大眾接受。簡單的卷膜、卷被、水肥控制成為日光溫室規模化生產的標準配置，而復雜的多環境因子調控、模糊控制等應用則成為種植高附加值作物VENLO型溫室的標準配置。

未來，溫室智能控制已經不僅只是采集溫室內環境數據直接進行調控，更要以植物生理等基礎學科為依托，對作物生長發育的機理進行深入研究，理清植物生長過程與溫室環境間的相互作用，將科研成果多方向融合，以達到理想、穩定的氣候環境。控制的算法也在持續優化，未來的趨勢不僅局限在環境控制領域，必將以經濟效益為核心多元化拓展，大數據將實時反映市場需求，進而指導種植品種與規模的改變，溫室將繼續更新換代，軟硬件更加契合，也必將提出更加節能減排的解決方案。

當前已經有大量的理論研究成果，但有很多控制理論研究是在假定信息交換完全和理想的模型基礎上，無法做到完全耦合所有的影響因子，導致很多理想的算法應用到實際中可能并不理想。因此應從基礎開始解題，將研究聚焦于實際應用。

通信技術應不斷完善，提升信息安全性，減少通信延遲，找到有線與無線通信在溫室中應用的適宜方向，如溫室內環控利用有線通信，勞動管理系統采用無線通信。

隨著基礎研究的深入，植物生理、計算方法和控制邏輯終將會被攻克。為進一步提升我國溫室智能化水平，應將溫室種植工藝、環境控制軟硬件等相結合，不斷提升硬件設備的穩定性，逐步完善溫室智能控制系統計算方法，只有合理的能源、產品方案，才能促進設施農業穩健而長遠的發展。